머신러닝을 활용해 항암 표적 단백질 EGFR(상피세포성장인자수용체)의 차세대 저해제 후보를 자동으로 제안하는 AI 파이프라인이 공개됐다. 이 작업은 특히 기존 폐암 치료제 오시머티닙(osimertinib)에 대한 내성을 유발하는 C797S 돌연변이를 극복할 수 있는 4세대 저해제 후보 물질을 발굴하는 데 초점을 맞췄다. 제작자는 이를 자율형 ‘AI 공동연구자(co-scientist)’ 워크플로우로 표현하며, 신약이 될 만한 신규 유사체를 출발점으로 제안하는 것이 목표라고 밝혔다.
파이프라인은 여러 단계로 구성됐다. 먼저 신약 관련 화합물 데이터베이스 ChEMBL의 API를 통해 EGFR 표적에 대한 IC50 생물활성 데이터를 직접 수집하고, 단백질 정보 데이터베이스 UniProt과 연동해 단백질 기능 정보를 확보했다. 이어 화학정보학 도구 RDKit으로 염 제거와 구조 표준화, 중복 측정치의 중앙값 집계 등 분자 전처리를 수행하고, 분자 지문(Morgan fingerprint)과 분자량·지용성(LogP) 등 물리화학적 특성을 추출했다.
모델 검증에는 머크 스캐폴드(Murcko scaffold) 기준으로 훈련·테스트 데이터를 분리하는 ‘스캐폴드 분할’ 방식을 적용해 데이터 누수 없는 평가를 수행했다. 이는 모델이 학습 데이터를 단순 암기한 게 아니라 처음 보는 화학 구조에도 일반화할 수 있는지를 검증하기 위한 절차다. 이렇게 검증된 400개 트리 규모의 랜덤포레스트 회귀모델로 화합물의 효능 지표인 pIC50을 예측하고, SHAP 기법으로 어떤 분자적 특성이 효능 예측에 기여하는지 분석했다. 마지막으로 활성이 강한 화합물을 BRICS 알고리즘으로 분해·재조합해 신규 가상 유사체를 생성한 뒤, 공개 화합물 데이터베이스 PubChem과 대조해 실제로 새로운 구조인지 검증했다.
이 파이프라인은 예측 효능과 분자량, 립스키 규칙(Lipinski’s rule) 등 약물성 기준을 통과한 후보들을 걸러내 최종 상위 12개 후보 목록을 제시하는 방식으로 작동한다. 제작자는 이 결과물이 교육 목적의 인실리코(in silico) 가설 생성 도구임을 분명히 하며, 실제 신약으로 인정받으려면 도킹 시뮬레이션과 화합물 합성, 실험적 검증 등 후속 단계가 반드시 필요하다고 강조했다. 지도학습과 해석가능성 기법, 생성적 분자 설계를 결합한 이런 접근은 신약 개발 초기 단계의 시간과 비용을 줄이는 AI 활용 사례로 주목받고 있다.
